Journals / Journal of Yasar University / 2021 / Cilt: 16 - Sayı: 62

Bitcoin GetiriVolatilitesinin Egarch Yöntemi İle Modellenmesi

Modeling the Volatility of Bitcoin Returns Using Egarch Method

Pages
787–800
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Analiz sonuçları, Bitcoin getirilerinde kaldıraç etkisinin geçerli olduğunu, bir diğer ifadeyle iyi ve kötü haberler arasındaki asimetrik etkinin kendini gösterdiğini ortaya koymuştur.Dahası, oynaklık direncine ait parametrenin oldukça yüksek değer alması, asimetrik geçmiş dönem şoklarının cari dönem şartlı varyansı üzerinde anlamlı bir etkisinin olduğunu yansıtmıştır.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Finansal piyasalardaki gelişim süreci çeşitli finansal araçların ortaya çıkmasına neden olmakta ve bu sürecin en yeni aracı olan kripto paralar ise sisteme entegre olmaya çalışmaktadırlar.
📊
Key Findings & Data:Dolayısıyla bu çalışma, en büyük piyasa hacmine sahip kripto para olan Bitcoin getirilerinin volatilitedinamiklerini 2013:04-2020:09dönemine ilişkin haftalık veri setini kullanarak incelemeyi amaçlamaktadır.
💡
Conclusion & Impact:Analiz sonuçları, Bitcoin getirilerinde kaldıraç etkisinin geçerli olduğunu, bir diğer ifadeyle iyi ve kötü haberler arasındaki asimetrik etkinin kendini gösterdiğini ortaya koymuştur.Dahası, oynaklık direncine ait parametrenin oldukça yüksek değer alması, asimetrik geçmiş dönem şoklarının cari dönem şartlı varyansı üzerinde anlamlı bir etkisinin olduğunu yansıtmıştır.
🔬Design:Modeling & Simulation
📍Scope:2013 Verileri
⚙️Variables:Domain Parameters

Abstract

Finansal piyasalardaki gelişim süreci çeşitli finansal araçların ortaya çıkmasına neden olmakta ve bu sürecin en yeni aracı olan kripto paralar ise sisteme entegre olmaya çalışmaktadırlar. Kripto paraların yatırım ve spekülasyon amacıyla artan kullanımı her ne kadar ivme kazansa da piyasa hakkında oldukça az bilgiye sahip olunması fiyat ve getiri dalgalanmalarının yüksek hızda seyretmesine yol açmaktadır. Dolayısıyla bu çalışma, en büyük piyasa hacmine sahip kripto para olan Bitcoin getirilerinin volatilitedinamiklerini 2013:04-2020:09dönemine ilişkin haftalık veri setini kullanarak incelemeyi amaçlamaktadır. Bu kapsamda, asimetrik oynaklığı, bir diğer ifadeyle pozitif ve negatif şokların asimetrik etkilerini araştırabilmek için Üstel Genelleştirilmiş Otoregresif Şartlı Değişen Varyans (EGARCH) Modeli kullanılmıştır. Analiz sonuçları, Bitcoin getirilerinde kaldıraç etkisinin geçerli olduğunu, bir diğer ifadeyle iyi ve kötü haberler arasındaki asimetrik etkinin kendini gösterdiğini ortaya koymuştur.Dahası, oynaklık direncine ait parametrenin oldukça yüksek değer alması, asimetrik geçmiş dönem şoklarının cari dönem şartlı varyansı üzerinde anlamlı bir etkisinin olduğunu yansıtmıştır.

Özet

The development process in financial markets give rise to the emergence of various financial instruments and cryptocurrencies, which are the newest tools of this process, are trying to integrate into the system. Even though the use of crypto-currencies forinvestment and speculation has increased, limited information on the market leads to high level of volatility in price and return. Therefore, this study aims to analyze the volatility dynamics of the returns of Bitcoin, which is the cryptocurrency with the largest market volume, using the weekly data set for 2013:04-2020:09period. In this context, Exponential Generalized Autoregressive Conditional Heteroscedasticity (EGARCH) model is employed to investigate the asymmetric volatility, which refers to the asymmetric effects of positive and negative shocks. The results of the analysis show that the leverage effect applies to Bitcoin returns. In other words, the asymmetric effect between good and bad news is revealed. Moreover, the fact that the parameter of the volatility resistance has a high value reflects that the asymmetric past period shocks have a significant effect on the current period conditional variance.

🔖

Cite This Article

SEVİNÇ, D. E., AKINCI, G. Y. (2021). Bitcoin GetiriVolatilitesinin Egarch Yöntemi İle Modellenmesi. Journal of Yasar University, Cilt: 16 - Sayı: 62, 787–800. https://ajindex.com/articles/220343

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (16)

  1. Alpago, H. (2018). “Bitcoin’den Selfcoin’e Kripto Para”, Uluslararası Bilimsel AraĢtırmalar Dergisi, 3(2), 411- 428. Anavatan, A. and Kayacan, E.Y. (2019). “Are Bitcoin Returns Predictable”, Journal of Current Researches on Business and Economics,9(1), 13-22.
  2. Baek, C. and Elbeck, M. (2015). “Bitcoins as an Investment or Speculative Vehicle? A First Look”, Applied Economics Letters, 22(1), 30-34.
  3. Balcilar, M., Bouri, E., Gupta, R. and Rounbaud, D. (2017). “Can Volume Predict Bitcoin Returns and Volatility A Quantiles-Based Approach”, Economic Modelling, 64,74-81.
  4. Bariviera, A. F. (2017). “The Ġnefficiency of Bitcoin Revisited: A Dynamic Approach”, Economics Letters, 161, 1-4.
  5. Baur, D.G., Hong, K.J. and Lee, A.D. (2016). “Bitcoin: Currency or Asset?”, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2736020.
  6. Baur, D. G. and Dimpfl, T. (2018). “Excess Volatility as an Impediment for a Digital Currency”, https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2949754.
  7. Blau, B. M. (2017). “Price Dynamics and Speculative Trading in Bitcoin”, Research in International Business and Finance, 41, 493-499.
  8. Bouri, E., Gil-Alana, L.A., Gupta, R. and Roubaud, D. (2017). “Modelling Long Memory Volatility in The Bitcoin Market: Evidence of Persistence and Structural Breaks”, International Journal Finance and Economics, 24(1), 412-426.
  9. Brauneis, A., and Mestel, R. (2018). “Price Discovery of Cryptocurrencies: Bitcoin and Beyond”, Economics Letters, 165, 58-61.
  10. Briere, M., Oosterlinck, K. and Szafarz, A. (2015). “Virtual Currency, Tangible Return: Portfolio Diversification with Bitcoin”, Journal of Asset Management, 16: 365–73.
  11. Catania, L. and Sandholdt, M. (2019). “Bitcoin at High Frequency”, Journal of Risk and Financial Management, 12(36), 1-19.
  12. Cheah, E.T., Tapas, M., Parhi, M. and Zhang, Z. (2018). “Long Memory Ġnterdependency and Ġnefficiency in Bitcoin Markets”. Economics Letters, 167: 18–25.
  13. Chengyuan, Q. (2017). “BitCoin in China: Price Discovery and Volatility Transmission”, SSRN Elecronic Journal, 1–13, https://ssrn.com/abstract=2934031.
  14. Cheung, A., Roca, E. And Su, J. (2015), “Crypto-Currency Bubbles: An Application of the Phillips–Shi–Yu Methodology on Mt. Gox Bitcoin Prices”, Applied Economics, 47(23), 2348–2358.
  15. Chu, J., Chan, S., Nadarajah, S. and Osterrieder, J. (2017). “GARCH Modelling of Cryptocurrencies”, J. Risk Financial Management,10(17), 1-15.
  16. Ciaian, P., Rajcaniova, M. and Kancs, D.A. (2016). “The Economics of Bitcoin Price Formation”, Applied Econom